Claude Opus 5.5生成3D场景不是靠「画」像素，而是用three.js等前端框架写HTML/CSS/JavaScript代码，在浏览器里渲染出可交互的3D世界。每帧都是代码描述的几何、光照、动画。它能把卡尔维诺的「朦胧粉光像吸满牛奶的海绵」翻译成精确的材质参数和光照方程。GPT-6 Astra的版本之所以千城一面，本质不是3D能力不够，而是它没能从文字里提取出「这城市到底长什么样」的独特视觉语言——文学意境翻译成3D指令，比生成随机建筑难得多。

《看不见的城市》不是传统小说，而是一部由55座虚构城市寓言构成的元文本。马可·波罗向忽必烈汗讲述的城市，每一座都是对记忆、欲望、符号、死亡的隐喻——「蛛网之城」「悬浮之城」「二维之城」。全书分为11个主题（城市与记忆、城市与符号…），每主题5座城，排列暗合斐波那契数列。模糊了现实与想象的边界，宣告「讲述即创造」。想真正理解AI为何在还原其文学意境时如此吃力，先要知道原作本身就不是为可视化而写——它写的是概念，不是场景。

Ryan Dahl亲手终结了执意超越Node.js的Deno，原因他自己说得最坦白：「不再计划打败Node.js，而是让用户不用修改代码就能在上面运行——但用户已经有Node了。」开源运行时这个赛道的残酷在于：Node.js的生态引力是黑洞级的。Deno 2.0全面兼容Node.js的那一刻，就放弃了做「替代者」的资格。同样被收编的还有Bun（被Anthropic买走）。两方阵营的叙事完全相反：Dahl认为这是独立运行时的必然终局——解决不了比Node更大的问题就活不下去；Cloudflare则认为买下的是「下一代服务器端默认路径」的制定权——把Workers编程模型做成可自托管的。

AI 3D生成正从「单个物件」进化到「完整场景」阶段。影眸科技的WorldGen能从一张室内图几分钟内产出可交互、可编辑的3D场景，所有物体独立提取。另一个方向是Hi3D 3.0，直接输出工业级B-rep参数化模型，打通AI生成与CAD制造。关键变量是：端到端场景级生成的数据成本（单场景扫描约200美元）和模型几何精度（当前复杂结构误差仍1-2mm）。2026-2032年3D生成大市场CAGR预测54%，但真正决定天花板的是——这些3D场景能直接进游戏、电影、制造的生产管线，还是只当预览玩具。

这事真正值得问的不是「哪个模型3D更强」，而是「一段文字描述的意境，怎么量化成3D场景的参数」。卡尔维诺写的「窗户排列较密、灯火逐渐疏落」——每个词都有多种视觉可能性。Claude Opus 5.5做对的地方，不只是代码能力强，而是它从文字里推断出了场景空间布局和光照氛围的「该有的样子」。巨大的翻译鸿沟是：人类读文字会补上无数潜台词和情感色彩，模型只能靠统计规律猜。未来文学可视化，可能不是AI替人画，而是人教AI「看文字时在想什么」——那个思考过程本身，就是最好的训练数据。